摘要:针对传统人工势场法(artificial potential field, APF)未充分考虑车辆避碰风险分布差异性和陷入局部极值导致路径规划失败的问题, 提出一种基于梯度统计变异量子遗传算法(gradient statistical mutation quantum genetic algorithm, GSM-QGA)的自适应椭圆作用域人工势场法. 在传统斥力场圆形作用域的基础上, 通过分析车辆和障碍物的相对运动状态, 定义斥力势场动态椭圆作用域计算方法; 同时对势场函数影响因素进行分析, 引入速度因素分别完成斥力势场函数和引力势场函数的设计; 将梯度统计变异量子遗传算法作为改进人工势场局部最优修正策略, 当车辆陷入局部极值往复运动时, 基于车辆当前位置构建伪全局地图, 规划可行路径跳出局部极值范围. 仿真实验结果表明, 改进算法规划的路径不仅可以有效避免车辆陷入局部极值, 减少车辆不必要的避障操作, 而且在路径平滑性和路径长度等方面相比于传统APF算法和固定椭圆域APF算法均具有优势, 所规划路径长度分别缩短6.37%和9.14%.